一种用于个性化的无偏数据收集与内容利用/探索策略

个性化和推荐系统的任务之一是依据用户的个人兴趣展示内容条目。为实现这一目标，这些系统随时间学习用户兴趣，并试图呈现迎合用户画像的内容条目。根据用户的偏好推荐条目在过去几年中得到了广泛研究，主要得益于 Netflix 竞赛的流行。在实际环境中，用户可能被这些条目中的子集吸引并与之交互，仅向系统留下部分反馈以在下一周期学习，这导致系统产生显著偏差，从而造成用户参与度指标随时间无法改善的情况。该问题不仅存在于系统的某个组件。从用户收集的数据通常用于许多不同任务，包括学习排序函数、构建用户画像和构造内容分类器。一旦数据有偏，所有这些下游用例也会受到影响。因此，通过用户交互收集无偏数据将是有益的。传统上，无偏数据收集通过从内容池中均匀采样展示条目来完成。然而，这种简单方案不可行，因为它危及用户参与度指标且需要长时间收集用户反馈。在本文中，我们利用利用与探索文献中开发的方法，引入了一种用户友好的无偏数据收集框架。我们讨论了该框架如何不同于常规多臂老虎机问题以及为何需要此方法。我们设计了一种用于伯努利排序列表的新型汤普森采样，以有效平衡用户体验与数据收集。所提方法通过真实的桶测试得到验证，并且我们展示了相比旧算法的强劲结果。